多光谱图像处理ppt课件
合集下载
彩色与多光谱图像处理
RGB色系：
蓝(0,0,255) 品红(255,0,255) 青(0,255,255) 白(255,255,255)
黑(0,0,0) 红(255,0,0)
绿(0,255,0)
黄(255,255,0)
2.1 RGB彩色模型
B (0,0,1) 蓝
品红 白 黑 (1,0,0) R 红 黄 灰度级 (0,1,0) 绿 青
(1) 最大值法 即将输入图像中的每个像素的R、G、B分 量值的最大者赋给输出图像中对应像素的R、G、 B分量的方法。用公式可表示为：
g R ( x, y) gG ( x, y) g B ( x, y) max(f R ( x, y), fG ( x, y), f B ( x, y))
3.YUV表色系—— 基本概念
在这种表色系统中
Y：亮度；U，V：色差信号 目的是为了可以使电视节目可用同时被黑白电视 及彩色电视接收。 电视信号在发射时，转换成YUV形式；接收时再
还原成RGB三基色信号，由显像管显示。
YUV表色系
—— 电视信号接收原理示意图
彩 色 电 视 信 号 Y,U,V Y 黑 白 电 视 信 号
色调用于描述纯色（如纯黄色、纯红色），反映了 观察者接收到的主要颜色。 饱和度给出一种纯色被白光稀释的程度的度量，与 加入到纯色（色调）中的白光成正比（由于加入了白 光，观察者接收到的不再是某种纯色，而是反应该纯 色属性的混合颜色）。
纯色（可见光谱中包含的一系列单色光）是全饱和 的，随着白光的加入饱和度会逐渐降低，也即变成欠 饱和。 色调与饱和度两者合起来称为色度，颜色用亮度和
（14） （15）
G 3I ( B R)
（16）
10_图像的彩色和多光谱处理
遥感图像处理与分析（十）Remote Sensing ImageProcessingand Analysis第十章图像的彩色和多光谱处理主要内容：彩色图像处理基本方法遥感多光谱影像处理彩色图像人眼对于彩色的观察和处理是一种生理和心理现象，其机理还没有完全搞清楚，因而对于彩色的许多结论都是建立在实验基础之上的。
对彩色图像的处理是基于对其适当的描述方法，每种处理方法都有其特定的应用场合。
颜色是什么¾视觉系统对可见光的感知结果可见光是波长在380～780 nm之间的电磁波，我们看到的大多数光不是一种波长的光，而是由许多不同波长的光组合成的，因此有多种颜色的感觉；¾颜色只存在于眼睛和大脑人的视网膜有对红、绿、蓝颜色敏感程度不同的三种锥体细胞；杆状体细胞在光功率极低的条件下才起作用；¾在计算机图像处理中，三种锥体细胞扮演重要角色，杆状细胞则未扮演什么角色视觉系统对颜色感知的特性¾眼睛本质上是一个照相机人的视网膜(human retina)通过神经元感知外部世界的颜色，每个神经元是一个对颜色敏感的锥体(cone)¾红、绿和蓝三种锥体细胞对不同频率的光的感知程度不同，对不同亮度的感知程度也不同这就意味着，人们可以使用数字图像处理技术来降低表示图像的数据量而不使人感到图像质量有明显下降。
¾从理论上说，自然界中的任何一种颜色都可以由R，G，B这三种颜色值之和来确定，它们构成一个三维的RGB矢量空间色彩的形成与分布光学原理解释的色彩的形成二维数字图像:两个空间变量的灰度值函数。
多光谱图像:两个空间变量和一个光谱变量(光的波长的函数）的灰度值函数,对应于电磁谱的不同波段生成一组三维图像。
彩色图像：当光谱采样限制到三个波段，即对应于人类视觉系统敏感的红、绿、蓝光谱段时的多光谱图像。
色彩的形成与分布绿白红蓝黄紫青几种常用的表色系颜色的描述是通过建立色彩模型来实现的，不同的色彩模型对应于不同的处理目的。
多光谱图像四则运算和图象融合
第6章 遥感图像的辐射处理
§6－3多光谱图像四则运算
§6－3 多光谱图像四则运算
1．减法运算 Bm=BX－BY
其中BX、BY为两个不同波段的图像或者不同时相同一波段图像。
* 当为两个不同波段的图像时，通过减法运算 可以增加不同地物间光谱反射率以及在两个波 段上变化趋势相反时的反差。 *而当为两个不同时相同一波段图像相减时， 可以提取波段间的变化信息。
也称为生物量指标变化，可使植被从水和 土中分离出来。
(MSS6-MSS5)/(MSS6+MSS5)以消除部分 大气影响
多光谱图像变换
一 K-L变换(Karhunen-Loeve)(主分量变换)
K-L变换:它是对某一多光谱图像X.利用K-L变换 矩阵A进行线性组合,而产生一组新的多光谱图 像Y. Y=AX 特点:变换后的主分量空间与变换前的多光谱空 间坐标系相比旋转了一个角度。新坐标系的坐 标轴一定指向数据量较大的方向。
频率高。
正态分布：反差适中，亮度分布均匀，层次
丰富，图像质量高。
偏态分布：图像偏亮或偏暗，层次少，质量
较差。
小结 图像直方图是描述图像质量的可视化图表。在图像处理中，
可以通过调整图像直方图的形态，改善图像显示的质量，以达到图像增 强的目的。
二 灰度变换
灰度变换是一种简单而实用的方法。 它可使图像动态范围增大，图像对比度 扩展，图像变清晰，特征明显，它是图 像增强的重要手段之一。
1 直方图均衡
实质是对图像进行非线性拉伸，重新分配 图像像元值，使一定灰度范围内的像元的数量大 致相等。
直方图均衡
亮度值分为0 to 7区间,按频数计算公式将 其归入相关的区间
直方图均衡特点
(1)各灰度级所占图像的面积近似相等 (2)原图像上频率小的灰度级被合并 (3)如果输出数据分段级较小，则会产生
最新数字图像处理与分析第9章彩色与多光谱图像处理教学文案
9.1.1 三基色原理
2. 相加混色
一般把三基色按不同比例相加进行的混色称为相加混色。
红色 + 蓝色 = 品红色
（9.1 a）
红色 + 绿色 = 黄色 所以，一（般9.1把b青）色、
绿色 + 蓝色 = 青色 品红色和（黄9色.1称c）为红、 红色 + 绿色 + 蓝色 = 白绿色、篮三色（的9.补1 色d）。
560
570
黄
580
0.4
490
0.2 480
T S
C
等能量点 紫
590
600
610
620
红
640 780
447600 450 蓝
380nm
0.2
0.4
0.6
0.8
红
x
1
9.1.2 CIE色度图
得到光谱色的互补色，只要从该颜色点过C点作一条直线，求其 与对侧光谱曲线的交点，即可得到补色的波长。D的补色为E。
数字图像处理与分析第9章 彩色与多光谱图像处理
第九章 彩色与多光谱图像处理
9.1 彩色视觉 9.6 彩色图像锐化 9.2 彩色模型 9.7 彩色图像边缘检测 9.3 彩色变换 9.8 彩色图像分割 9.4 彩色图像增强 9.9 多光谱图像处理 9.5 彩色图像平滑 9.10 高光谱图像处理
9.1 彩色视觉
9.2 彩色模型
目前常用的彩色模型可分成两类： （1）面向诸如彩色监视器、彩色视频摄像机和彩色打
印机的硬件设备。面向硬件设备的彩色模型主要有RGB模 型、CMY（青、品红、黄）模型和CMYK（青、品红、黄、 黑）模型。RGB模型主要用于彩色监视器和彩色视频摄像 机； CMYK主要用于彩色打印机。
第九章彩色与多光谱图像处理解析
9.1.2 CIE色度图(chromaticity diagram)
◆纯色（可见光谱中包含的一系列单色光）是全饱和 的，随着白光的加入饱和度会逐渐降低，也即变成欠饱和。
◆色调与饱和度两者合起来称为色度(chromaticity)， 颜色用亮度和色度共同表示。
9.1.2 CIE色度图
2、CIE色度图
色调(hue)及饱和度(saturation)表示颜色的特性。
9.1.2 CIE色度图
◆在彩色图像中： 亮度反映了该颜色的明亮程度。颜色中掺入的白色越 多亮度就越大，掺入的黑色越多亮度就越小。 色调用于描述纯色（如纯黄色、纯红色），反映了观 察者接收到的主要颜色。 饱和度给出一种纯色被白光稀释的程度的度量，与加 入到纯色（色调）中的白光成正比（由于加入了白光，观 察者接收到的不再是某种纯色，而是反应该纯色属性的混 合颜色）。
设f(x,y)为输入彩色图像，彩色分量的量化级别 为256，则反色图像g(x,y)与输入图像f(x,y)的R、G、 B分量之间的关系可表示为：
gR(x, y) 255 fR(x, y) gG(x, y) 255 fG(x, y) gB(x, y) 255 fB(x, y)
（9.23）
9.3.1 反色变换
◆ 相减混色的基色为青、品红色、黄。
白色 – 红色 = 青色 白色 – 绿色 = 品红色 白色 – 蓝色 = 黄色 白色 – 绿色 – 红色 – 蓝色 = 黑色
（9.3 a） （9.3 b） （9.3 c） （9.3 d）
9.1.1 三基色原理
◆对不同颜料配色过程的理解：
品红色颜料+黄色颜料=红色颜料=>白色–绿色–蓝色 青色颜料+黄色颜料=绿色颜料 => 白色–红色–蓝色 品红色颜料+青色颜料=蓝色颜料=>白色–绿色–红色 品红色颜料+青色颜料+黄色颜料=黑色颜料
5彩色和多光谱图像处理1教程
液晶显示原理
彩色模型
三基色 000 001 010 011 100 101 110 111 颜色 黑 蓝 绿 青 红 品红 黄 白
Matlab中用多维阵列表示彩色 图像
从MATLAB 5.0版本开始，支持多维阵列。 多维阵列是二维矩阵的推广，它可用来表示更复杂的数据。
B G R
Matlab中图像的读入、输出与 显示
色彩角H
饱和度S
红色：0o 纯色：S＝1 绿色：120o 白色：S＝0 蓝色：240o
HSV彩色空间
Hue色调 Saturation饱和度 Intensity强度(Value)
RGB到HSV颜色空间的转换
( R − G ) + ( R − B) ⎧ } ⎪ H = arc cos{ 2 2 ( R − G ) + ( R − B)(G − B) ⎪ ⎪ 3 ⎪ S = 1− [min( R, G, B)] ⎨ ( R + G + B) ⎪ ⎪ 1 V = ( R + G + B) ⎪ 3 ⎪ ⎩
Matlab可执行的图像文件格式
Bit-mapped format Hierarchical Data format JPEG file interchange format portable network graphics format tagged image file format X Windows Dump *.BMP Microsoft Windows格式 *.HDF *.JPG 美国国家计算机中心提出的一 种卫星通用数据格式 静止图像压缩国际标准格式 通用的标准图像文件格式 新兴的Web图像格式 扫描仪生成的图像格式
色彩
颜色光的基本物理特征：
5彩色和多光谱图像处理2教程
2. 目的：
⑴ 目标（物）之于特定彩色中，更引人注目； ⑵ 形成与人眼彩色感觉灵敏度相匹配之彩色；
1. 彩色 → 彩色
f(x,y,r)=[Rf Gf Bf] →[R G B]
三对三映射 举例：{ 红，绿，蓝} → { 绿，蓝，红} 绿，蓝，红 ⎡ Rf ⎤ R 0 0 1 ⎤ ⎡ ⎤ ⎡ ⎡ ⎤ α β γ R R ⎡ ⎤ ⎡ 1 1 1⎤ f ⎢G ⎥ = ⎢ 1 0 0 ⎥ ⎢G ⎥ ⎢G ⎥ = ⎢α β γ ⎥ ⎢G ⎥ f ⎥ ⎢ ⎢ ⎥ ⎢ ⎥ f 2 2 2 ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ Bf ⎥ ⎢ ⎥ ⎢ ⎥ 0 1 0 B ⎢ ⎥ ⎣ ⎦ ⎣ ⎦ ⎢ ⎥ ⎢ ⎥ ⎣ ⎦ ⎣ B ⎦ ⎣α 3 β 3 γ 3 ⎦ ⎣ B f ⎦
MSS 举例
例如扫描形式成像的MSS，产生 的几何畸变主要是由于扫描镜 的非线性振动和其它一些偶然 因素引起的。在地面上影响可 达395米。
全景畸变：
2
外部因素引起的畸变
影响图像变形的外部因素包括： 1） 地球的曲率 2） 大气密度差引起的折光 3） 地形起伏 4） 地球自传 5） 遥感器轨道位置和姿态等
图象的辐射纠正方法
1）遥感器纠正：遥感器的设计 2）大气辐射纠正： 3）地形辐射纠正：需要DEM 4）地物反射模型纠正：需要和成像 时刻取得同步的地面地物光谱测量 数据。
图象的辐射纠正方法
大气纠正方法
1）以红外波段最低值校正可见光波段
(1)前提假设：大气散射的影响主要在短波波段 ，红外波段中清洁的水体几乎不受影响，反射 率值应当为0。由于散射影响，而使得水体的 反射率不等于0，推定是由于受到了天空辐射 项的影响。 (2)直方图法确定 (3)纠正方法：差值法
彩色图像复原操作步骤
研究生 数字图像处理 第21章 彩色和多光谱图像处理
RGB和HSI空间中的点一一对应。
HSI RGB
HSI
H在0°～120°之间 H在120°～240°之间
RGB HSI
H在240°～360°之间
R =
R G B
I S cos H I 1 3 cos(60 H )
I (1 S ) 3
I S cos( H 120 ) 1 cos(180 H ) 3
R = 700 nm G = 546.1 nm B = 435.8 nm 不表明只要用三基色就可以组成所有颜色。 “光”和“色”的差别及联系。 “色”包括： 亮度――能量， 色调――波长， 饱和度――纯度。 色度
――－补充完
2019/1/17 《数字图像处理》 6
人眼中感光细胞：
杆状细胞――约 1 亿 3 千万，无彩色感，对亮度敏感，灵敏度高， 具有单色和夜视的功能； 锥状细胞――约 700万，有彩色感，对波长敏感，对亮度灵敏度低， 具有彩色辨别能力，需要较好光照。 假说：锥状细胞还可以进一步分为：
2019/1/17 《数字图像处理》
输入标 准3刺激
只要输出刺激相同， 则两物体彩色相同： R1＝R2－－同色同谱 R1≠R2 －－同色异谱
9
颜色 波长
红色 700
橙色 620
黄色 580
绿色 546
青色 480
蓝色 436
紫色 380
2. 三色成像
胶片相机： 三层不同的摄影乳剂合成（R，G，B）。
三基色光的混合
黄
绿
青
CCD/CMOS 相机：
光电图像传感器（R，G，B）， 可分为三 CCD 和单CCD 摄像机。
红 品红 蓝
CCD：Charged Coupled Device CMOS：Complementary Metal-Oxide-Semiconductor
第二十一章 彩色和多光谱图像处理
视觉彩色模型
在上面讨论的几种颜色模型中，RGB、CMYK、YIQ是为便于研究用硬件显示 彩色的方法提出来的；XYZ、UCS是为便于色度学的理论研究而提出来的，它们都 不能很好地与人眼的视觉特性相匹配。 从视觉的角度来讲，颜色可分为彩色和非彩色两大类。非彩色是指黑色、白 色及其两者之间深浅不同的灰色，称为非彩色或无色系列(achromatic series)。彩 色系列或有色系列(chromatic series)是指除了白色系列以外的各种颜色．为了定量 地描述颜色对人眼的视觉作用，可以选用亮度( brightness)、色调(hue)、饱和度 (saturation)这三个与视觉特征有关的量来计算描述，这三个量称为颜色的三个基 本属性． 色调是指光的颜色，不同波长的光呈现不同的颜色，具有不同的色调。发光 物体的色调取决于它产生的辐射光谱的分布特征；不发光物体的色调则由它的吸 收、反射、透射和照明光源的特性所共同决定。饱和度指颜色的深浅或浓淡程 度。饱和度的深浅与颜色中加入白色的比例有关。一种纯颜色中加入的白色成分 越多，则其饱和度越低，因而饱和度反映了某种颜色被白色冲淡的程度。白色成 分为0，则饱和度为100%；只有白色，则饱和度为0。亮度就是人眼感觉到的光 的明暗程度。光波的能量越大，亮度就越大。颜色的色调和饱和度说明了颜色的 深浅，合称为色度。
0.114 R Y 0.299 0.587 I = 0.596 0.274 0.322 G Q 0.211 0.523 0.312 B
工业彩色模型
由于计算机显示器和许多电子显示设备采用的CRT直接使用R、G、 B三色电子枪在荧光屏上显示颜色，为了便于处理，大多数图像格式都 采用RGB模型来表示像素的颜色。 ＲＧＢ彩色模型的优点是:(1)简单;(2)其它表色系统必须最后转化成 ＲＧＢ系统才能在彩色显示器上显示。 ＲＧＢ系统的缺点:(1)ＲＧＢ空间用红、绿、蓝三原色的混合比例 定义不同的色彩,使不同的色彩难以用准确的数值来表示,并进行定量分 析;(2)在ＲＧＢ系统中,由于彩色合成图像通道之间相关性很高,使合成图 像的饱和度偏低,色调变化不大,图像视觉效果差;(3)人眼不能直接感觉 红、绿、蓝三色的比例, 而只能通过感知颜色的亮度、色调以及饱和度 来区分物体,而色调和饱和度与红、绿、蓝的关系是非线性的,因此,在Ｒ ＧＢ空间中对图像进行增强处理结果难以控制。
多光谱图像处理共32页文档
多光谱图像42、夏日长抱饥，寒夜无被眠。 43、不戚戚于贫贱，不汲汲于富贵。 44、欲言无予和，挥杯劝孤影。 45、盛年不重来，一日难再晨。及时 当勉励 ，岁月 不待人 。
谢谢你的阅读
❖ 知识就是财富 ❖ 丰富你的人生
71、既然我已经踏上这条道路，那么，任何东西都不应妨碍我沿着这条路走下去。——康德 72、家庭成为快乐的种子在外也不致成为障碍物但在旅行之际却是夜间的伴侣。——西塞罗 73、坚持意志伟大的事业需要始终不渝的精神。——伏尔泰 74、路漫漫其修道远，吾将上下而求索。——屈原 75、内外相应，言行相称。——韩非
谢谢你的阅读
❖ 知识就是财富 ❖ 丰富你的人生
71、既然我已经踏上这条道路，那么，任何东西都不应妨碍我沿着这条路走下去。——康德 72、家庭成为快乐的种子在外也不致成为障碍物但在旅行之际却是夜间的伴侣。——西塞罗 73、坚持意志伟大的事业需要始终不渝的精神。——伏尔泰 74、路漫漫其修道远，吾将上下而求索。——屈原 75、内外相应，言行相称。——韩非
多光谱图像处理(1)
SPOT、TM图像各波段对应的波长
SPOT
TM
精品课件
17
融合处理
SPOT-5 10米 多光谱图像
SPOT-5 5m 全色图像
精品课件
多光谱与5m PAN 融合图像
18
融合的过程
多源图像精确配准
根据图像的特征及整合的 目的选择合适的融合方法
输出融合图像
精品课件
19
目前在遥感图像融合中常用的像素级融合方法
• 研究的内容
– 充分利用各种类型的图像资源，获得同时具有 较高光谱信息和空间分辨率的对象信息。
• 定义
– 是以图像为研究对象的数据融合，是指在同一 时间，将同一景物的不同波段或来自不同传感 器的两个或两个以上的图像进行处理，形成一 幅合成图像，以获取更多的关于目标信息的图 像处理过程。
精品课件
16
MSS5与MSS7的加权和减去MSS4 与MSS6的加权和。
4. R4特征量：称为“其它”。
精品课件
5
TM图像缨帽变换
1. R1特征量：称为“亮
度”，在数值上等于TM 图像六个波段的加权和， 代表总的电磁波辐射水 平。
2. R2特征量：称为“绿
度”，反映了可见光与 近红外波段之间的差异。
3. R3特征量：称为“湿
也是三种方法中的最简单的一种。
• 缺点
– 然而融合后的图像没有保持原始多光谱图像辐射特性， 相反，能够增强亮度成分，对增强城市信息方法这种方 法较好。
精品课件
27
基于Brovey 变换的融合方法 （• 算B法rovey Transform）
[DNB1 / DNB1 + DNB2 + DNBn] x [DNhigh res. image] = NB1_new [DNB2 / DNB1 + DNB2 + DNBn] x [DNhigh res. image] = NB2_new
彩色与多光谱图像处理PPT课件
=>白色–绿色–红色–蓝色 (4d)
第8页/共114页
品红 蓝
青
黑
红
绿
黄
图2 相减混色的三基色及其补色的关系
第9页/共114页
1.2 CIE色度图
1.相关概念 ➢对于无彩色（消色）图像来说，亮度（也即灰 度）是唯一的属性。 ➢ 对于有彩色图像来说，通常用亮度、色调及 饱和度表示颜色的特性。
第10页/共114页
第42页/共114页
人眼对绿光的亮度感觉仅次于白光，是三基色中 最亮的，红光次之，蓝光最低。
如果权值ωG、ωR、ωB满足条件ωG>ωR>ωB，将会 得到比较合理的灰度化结果。相关研究表明，当 ωG=0.587、ωR=0.299、ωB=0.114时，得到的灰度化图 像较合理，此时公式（26）就变为：
第18页/共114页
HSI色系 —— 亮度分量I
I 表示光照强度或称为亮度，它确定了像 素的整体亮度，而不管其颜色是什么。
I: 小
大
第19页/共114页
HSI色系 —— 亮度(I)效果示意图
第20页/共114页
HSI色系 —— 色度分量H
H：表示色度，由角度表示。反映了该颜色 最接近什么样的光谱波长。0o为红色，120o 为绿色，240o为蓝色。
H
3 6 0
GB GB
（10） （11） （12） （13）
第28页/共114页
2.3 HSI彩色模型到RGB彩色模型的转换
（1）当0º≤H<120º：
B I (1 S)
R I[1 S cos(H ) ] cos(60 H )
G 3I (B R)
（14） （15） （16）
第29页/共114页
第8页/共114页
品红 蓝
青
黑
红
绿
黄
图2 相减混色的三基色及其补色的关系
第9页/共114页
1.2 CIE色度图
1.相关概念 ➢对于无彩色（消色）图像来说，亮度（也即灰 度）是唯一的属性。 ➢ 对于有彩色图像来说，通常用亮度、色调及 饱和度表示颜色的特性。
第10页/共114页
第42页/共114页
人眼对绿光的亮度感觉仅次于白光，是三基色中 最亮的，红光次之，蓝光最低。
如果权值ωG、ωR、ωB满足条件ωG>ωR>ωB，将会 得到比较合理的灰度化结果。相关研究表明，当 ωG=0.587、ωR=0.299、ωB=0.114时，得到的灰度化图 像较合理，此时公式（26）就变为：
第18页/共114页
HSI色系 —— 亮度分量I
I 表示光照强度或称为亮度，它确定了像 素的整体亮度，而不管其颜色是什么。
I: 小
大
第19页/共114页
HSI色系 —— 亮度(I)效果示意图
第20页/共114页
HSI色系 —— 色度分量H
H：表示色度，由角度表示。反映了该颜色 最接近什么样的光谱波长。0o为红色，120o 为绿色，240o为蓝色。
H
3 6 0
GB GB
（10） （11） （12） （13）
第28页/共114页
2.3 HSI彩色模型到RGB彩色模型的转换
（1）当0º≤H<120º：
B I (1 S)
R I[1 S cos(H ) ] cos(60 H )
G 3I (B R)
（14） （15） （16）
第29页/共114页
多光谱图像
多光谱图像图像理解是在数字图像处理、计算机技术和人工智能不断发展的基础上产生的一种模拟人的图像识别机理的理论，它与计算机视觉理论有许多共同的部分，或者说有许多交叉的部分，它与人工智能、专家系统也有着一些共同的地方。
图像理解主要包括三个层次，其低层为一般图像处理；中层为图像中特征的符号化组织过程；高层为抽象的符号推理。
因此，计算机视觉主要与其低层，人工智能主要与其高层产生重叠。
目前，就图像理解这一理论的研究探讨有了专门的期刊；有关大学设置了专门的课程；有关专家学者写了专著。
比如国防科技大学的王润生教授就系统地介绍和总结了图像理解的基本理论、方法和国内外研究现状等〔1〕。
这一方面的基础理论和方法引起了有关学者和科研人员的注意和浓厚兴趣，他们结合自己的工作领域，进行了更深入的研究。
应当说，有关的理论和方法已经被极大地丰富了。
比如，有关图像纹理分析这方面的论文、论著数不胜数，其中，有关新理论新方法(如分形分维方法)的应用，更为这一理论注入了新内容；再如，我国数字摄影测量界已经将“双目”图像的分析理论和方法推向了具有世界先进水平的境界。
尽管如此，图像理解的理论与方法仍有严重不足之处。
这并不是指这一理论尚未成熟，而是指它的理论与方法还存在着片面性，还没有成为一个完整的体系。
因为图像理解的对象是各类图像，并没有限定是某一类图像，那么，现在的问题就是遥感图像理解(主要是多光谱图像理解)的理论十分贫乏。
以人类生存环境及地球资源为主要研究目标获取的各种遥感图像已经得到越来越广泛的应用，丰富的光谱信息及其在时间空间域的分辨率的提高，配合着地理信息系统技术，全球定位系统技术和因特网技术的发展和普及，为图像信息的广泛应用创造了空前繁荣的局面，成为信息时代的显著特征，在信息高速公路和数字地球战略中占据着极其重要的地位。
然而，现有的图像理解理论和方法在如此丰富的信息面前却显得苍白无力。
应当说，面对丰富的遥感信息，人们一直在研究如何处理和应用，有关这方面的理论和方法的研究成果也是不少的，但似乎并没有从图像理解的角度加以总结、提练，有的方面甚至缺乏系统的研究。
多光谱成像技术
八、比较基因组杂交
❖ 比较基因组杂交(CGH)是在染色体荧光原 位杂交技术的基础上发展起来的一种新的 分子细胞遗传学技术，它通过单一的一次 杂交实验即可在整条染色体或染色体区带 水平对不同基因组间DNA序列拷贝数的差 异进行检测并定位。
❖ 目前CGH已应用于肿瘤发病的分子机制等 方面的研究。
九、多光谱成像技术
六、显微切ቤተ መጻሕፍቲ ባይዱ术
❖ 显微切割术是在显微状态或显微镜直视下通过显 微操作系统从冷冻或石蜡包埋组织切片、细胞涂 片上的任一区域内切割下几百个、几十个同类细 胞，或单个细胞甚至目标染色体，再进行有关的 分子生物学方面的研究。
❖ 目前，激光捕获显微切割(LCM)是最先进的组织 纯化病理技术。LCM是基于病理形态进行细胞纯 化，可较好地反映体内细胞的基因表达。激光捕 获显微切割技术已经与PCR、蛋白质组学、组织 微阵列技术和临床病理诊断工作等结合起来，为 我们研究疾病的病因、发病机制、临床治疗提供 更精确的服务。
三、分子病理学技术
❖ 1、原位多聚酶链式反应技术(PCR) 将在冷冻或石蜡包埋组织切片、细胞涂片 中的核酸片段进行高效扩增，来检测细胞 内单一拷贝或低拷贝的待测核酸序列。主 要应用于病原体检测，内源基因检测，基 因突变、基因重排和染色体易位。
三、分子病理学技术
❖ 2、原位杂交技术 ❖ 用特定标记的已知顺序核酸作为探针与细
❖ 自20世纪80年代以来，杂交瘤和单克隆抗 体、分子克隆、核酸探针和分子杂交、基 因组学、转录组学、蛋白组学技术将分子 改变的信息与病理形态学密切结合，提供 不同病理状态下更详细的分子谱，在病理 形态基础上观察疾病过程中分子表达的变 化。由此逐步形成了病理分子学技术，并 广泛用于疾病诊断和分类、靶向药物的筛 选、病原体的检测、遗传学研究等。
-多光谱变换
差值运算
多光谱变换
• 应用
– 增强在两个不同波段间亮度差异大的目标 – 检测同一区域内目标的运动变化
TM4－TM3
2019/7/22
TM41999.9－TM42001.9
邱永红
6
遥感数字图像处理
比值运算
多光谱变换
• 两个波段对应像元的灰度值之比或几个波段 组合的对应像元灰度值之比
– 简单比值运算
F (x, y) f2 (x, y) f1(x, y)
• 可用于削弱图像的加性噪声
2019/7/22
邱永红
4
遥感数字图像处理
差值运算
多光谱变换
• 指两幅同样大小的图像对应象元的灰度 值相减
F(x, y) f1(x, y) f2 (x, y) b
• 用于动态监测、运动目标检测和跟踪及目标 识别等
2019/7/22
邱永红
5
遥感数字图像处理
比值运算
多光谱变换
• 应用
– 可以扩大不同地物的光谱差异，区分在单波段 中容易发生混淆的地物
– 可以消除或减弱地形阴影、云影影响和植被干 扰以及显示隐伏构造等
• 运用图像相除应注意它的缺点
– 比值使得原来图像的独立波谱意义不存在了， 失去了地物的总的反射强度信息
– 比值处理常常放大了噪声，因而比值处理前应 充分做好消除噪声的工作
多光谱变换
图像融合
• 多光谱变换方法可通过函数变换， 达到保留主要信息、降低数据量， 增强有用信息的目的
• 变换的本质是对遥感图像实行线性 变换，使多光谱空间的坐标系按一 定规律进行旋转
2019/7/22
邱永红
20
遥感数字图像处理
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
多光谱图像处理
1
当前遥感数据的特点
• 来源于不同传感器，具有不同的特点。 • 数据量很大。 • 数据之间存着互补性和冗余性。
2
多光谱图像处理
• 缨帽变换（Tasseled Cap）
1. MSS图像 2. TM图像
• 指数计算（Indices） • 色彩变换（RGBIHS) • 色彩逆变换（HISRGB）
度”，反映的是 TM1,TM2,TM3,TM4波段与 TM5,TM7波段之间的对比。
6
光谱增强－指数计算（Indices）
7
指数计算－矿物提取
8
光谱增强－色彩变换 （RGBIHS)
9
IHS图像
10
光谱增强－色彩逆变换（HISRGB）
11
12
13
多光谱图 像 融 合技术
14
一对矛盾？
HISቤተ መጻሕፍቲ ባይዱ变换
全色波段图像PA
高分辨率多光谱图像1 高分辨率多光谱图像2 高分辨率多光谱图像3
22
高分辨率图像 IHS融合处
多光谱图像
23
基于PCA变换的影像融合法
1. 对多光谱图像进行主成分分析，得到第一
主分量，它包含原图像的大量空间信息， 而原图像的多光谱信息主要保留在其它的 分量中。
2. 将高分辨率图像拉伸，使其与第一主分量
具有相同的均值和方差。
3. 用拉伸后的高分辨率图像代替第一主分量，
与其余分量做逆PCA变换即可得到融合的 图像。
24
基于PCA变换的影像融合法流程图
多光谱图像XS1 重采样
多光谱图像XS2 重采样
PCA正变换
第二主分量
第三主分量
PCA 逆变换
多光谱图像XS3 重采样
第一主分量 全色波段图像PA
高分辨率多光 谱图像1
高分辨率多光 谱图像2
高分辨率多光 谱图像3
25
基于主成分分析法融合（Principal Component）
• 算法
– 计算主成分，将高分辨率的图像按照PC-1进行拉伸，并用之替换 PC-1，最后进行主成分逆变换。
• 优点
– 这种方式使变换后的输出图像能够较好的保持原始多光谱图像的 景物辐射特性。
3. 多光谱I’HS反变换到RGB，即得到融合图像。
21
基于HIS变换的遥感影像融合
多光谱图像XS1 多光谱图像XS2 多光谱图像XS3
0.5~0.59 μm，
20米
重采样
0.61~0.68 μm，20米
重采样 HIS正变换
重采样
0.78~0.89 μm，20米
色调分量H
饱合度分量S
亮度分量I
0.51~0.73 μm，10米
– 这种融合模式多用于不同类型传感器融合或同一传感器多时相数 据的动态分析，也可用于特征影像与地面调查数据的融合。
• 缺点
– 保持辐射特性的准确性，是以高的计算量为代价的，占用较多的 系统资源，因而它是最三种方法当中的较慢的一种。
26
代数法（Multiplicative）
• 算法
• 优点
– 该方法可以增强影像的细节反差，能够较好的突出城市地物。 – 采用的是简单的乘积运算，因而运算最快并且占用系统资源最少，
MSS5与MSS7的加权和减去MSS4 与MSS6的加权和。
4. R4特征量：称为“其它”。
5
TM图像缨帽变换
1. R1特征量：称为“亮
度”，在数值上等于TM 图像六个波段的加权和， 代表总的电磁波辐射水 平。
2. R2特征量：称为“绿
度”，反映了可见光与 近红外波段之间的差异。
3. R3特征量：称为“湿
• 优点
– 该方法可以增强图像直方图中的两端区域的对比度，即影像低辐射 区和高辐射区的细节反差，（比如阴影部分，水和高辐射区的城市 城市地物）。
– 在合成RGB图像中，低辐射区和高辐射区有较高的对比度。
• 缺点
– 不能保持原始图像的辐射特性。如果在分析的时候，原始图像的 辐射特性比较重要的话，这种方法不适用。
也是三种方法中的最简单的一种。
• 缺点
– 然而融合后的图像没有保持原始多光谱图像辐射特性， 相反，能够增强亮度成分，对增强城市信息方法这种方 法较好。
27
基于Brovey 变换的融合方法 （• 算B法rovey Transform）
[DNB1 / DNB1 + DNB2 + DNBn] x [DNhigh res. image] = NB1_new [DNB2 / DNB1 + DNB2 + DNBn] x [DNhigh res. image] = NB2_new
多光谱与5m PAN 融合图像
18
融合的过程
多源图像精确配准
根据图像的特征及整合的 目的选择合适的融合方法
输出融合图像
19
目前在遥感图像融合中常用的像素级融合方法
基于彩色空间变换法（HIS变换法） 基于主成分分析法（PCA法） 代数法 Brovey变换 • 基于高通滤波影像融合法 • 基于小波变换影像融合法
• 定义
– 是以图像为研究对象的数据融合，是指在同一 时间，将同一景物的不同波段或来自不同传感 器的两个或两个以上的图像进行处理，形成一 幅合成图像，以获取更多的关于目标信息的图 像处理过程。
16
SPOT、TM图像各波段对应的波长
SPOT
TM
17
融合处理
SPOT-5 10米 多光谱图像
SPOT-5 5m 全色图像
空间分辨率与光谱分辨率不可得兼
– 高空间分辨率图像具有低的光谱分辨率， 相应的波段数较少（例如SPOT全色波段 分辨率是10米）。
– 多光谱图像往往具有低的空间分辨率 （例如Landsat TM分辨率为30米）。
15
如何解决矛盾？ 图像融合
• 研究的内容
– 充分利用各种类型的图像资源，获得同时具有 较高光谱信息和空间分辨率的对象信息。
3
光谱增强－缨帽变换
4
MSS图像缨帽变换
1. R1特征量：称为“亮度”，在数
值上等于MSS四个波段的加权和， 反映了地物总的电磁波辐射水 平。
2. R2特征量：称为“绿色物”，在
数值上等于MSS6与MSS7的加权 和再减去MSS4与MSS5的加权和， 反映了植物的生长状况。
3. R3特征量：称为“黄色物”，是
20
基于彩色空间变换的影像融合法 － HIS变换法
1. 将多光谱图像的RGB彩色空间变换到IHS空间，
即图像由R（红）G（绿）B（蓝）表示变换成I （亮度）H（色调）S（饱和度）表示。
2. 将全色图像和多光谱图像的I进行直方图匹配，
用全色图像I’代替多光谱图像的I，即 IHS→I’HS，多光谱图像的其它两项不变。
1
当前遥感数据的特点
• 来源于不同传感器，具有不同的特点。 • 数据量很大。 • 数据之间存着互补性和冗余性。
2
多光谱图像处理
• 缨帽变换（Tasseled Cap）
1. MSS图像 2. TM图像
• 指数计算（Indices） • 色彩变换（RGBIHS) • 色彩逆变换（HISRGB）
度”，反映的是 TM1,TM2,TM3,TM4波段与 TM5,TM7波段之间的对比。
6
光谱增强－指数计算（Indices）
7
指数计算－矿物提取
8
光谱增强－色彩变换 （RGBIHS)
9
IHS图像
10
光谱增强－色彩逆变换（HISRGB）
11
12
13
多光谱图 像 融 合技术
14
一对矛盾？
HISቤተ መጻሕፍቲ ባይዱ变换
全色波段图像PA
高分辨率多光谱图像1 高分辨率多光谱图像2 高分辨率多光谱图像3
22
高分辨率图像 IHS融合处
多光谱图像
23
基于PCA变换的影像融合法
1. 对多光谱图像进行主成分分析，得到第一
主分量，它包含原图像的大量空间信息， 而原图像的多光谱信息主要保留在其它的 分量中。
2. 将高分辨率图像拉伸，使其与第一主分量
具有相同的均值和方差。
3. 用拉伸后的高分辨率图像代替第一主分量，
与其余分量做逆PCA变换即可得到融合的 图像。
24
基于PCA变换的影像融合法流程图
多光谱图像XS1 重采样
多光谱图像XS2 重采样
PCA正变换
第二主分量
第三主分量
PCA 逆变换
多光谱图像XS3 重采样
第一主分量 全色波段图像PA
高分辨率多光 谱图像1
高分辨率多光 谱图像2
高分辨率多光 谱图像3
25
基于主成分分析法融合（Principal Component）
• 算法
– 计算主成分，将高分辨率的图像按照PC-1进行拉伸，并用之替换 PC-1，最后进行主成分逆变换。
• 优点
– 这种方式使变换后的输出图像能够较好的保持原始多光谱图像的 景物辐射特性。
3. 多光谱I’HS反变换到RGB，即得到融合图像。
21
基于HIS变换的遥感影像融合
多光谱图像XS1 多光谱图像XS2 多光谱图像XS3
0.5~0.59 μm，
20米
重采样
0.61~0.68 μm，20米
重采样 HIS正变换
重采样
0.78~0.89 μm，20米
色调分量H
饱合度分量S
亮度分量I
0.51~0.73 μm，10米
– 这种融合模式多用于不同类型传感器融合或同一传感器多时相数 据的动态分析，也可用于特征影像与地面调查数据的融合。
• 缺点
– 保持辐射特性的准确性，是以高的计算量为代价的，占用较多的 系统资源，因而它是最三种方法当中的较慢的一种。
26
代数法（Multiplicative）
• 算法
• 优点
– 该方法可以增强影像的细节反差，能够较好的突出城市地物。 – 采用的是简单的乘积运算，因而运算最快并且占用系统资源最少，
MSS5与MSS7的加权和减去MSS4 与MSS6的加权和。
4. R4特征量：称为“其它”。
5
TM图像缨帽变换
1. R1特征量：称为“亮
度”，在数值上等于TM 图像六个波段的加权和， 代表总的电磁波辐射水 平。
2. R2特征量：称为“绿
度”，反映了可见光与 近红外波段之间的差异。
3. R3特征量：称为“湿
• 优点
– 该方法可以增强图像直方图中的两端区域的对比度，即影像低辐射 区和高辐射区的细节反差，（比如阴影部分，水和高辐射区的城市 城市地物）。
– 在合成RGB图像中，低辐射区和高辐射区有较高的对比度。
• 缺点
– 不能保持原始图像的辐射特性。如果在分析的时候，原始图像的 辐射特性比较重要的话，这种方法不适用。
也是三种方法中的最简单的一种。
• 缺点
– 然而融合后的图像没有保持原始多光谱图像辐射特性， 相反，能够增强亮度成分，对增强城市信息方法这种方 法较好。
27
基于Brovey 变换的融合方法 （• 算B法rovey Transform）
[DNB1 / DNB1 + DNB2 + DNBn] x [DNhigh res. image] = NB1_new [DNB2 / DNB1 + DNB2 + DNBn] x [DNhigh res. image] = NB2_new
多光谱与5m PAN 融合图像
18
融合的过程
多源图像精确配准
根据图像的特征及整合的 目的选择合适的融合方法
输出融合图像
19
目前在遥感图像融合中常用的像素级融合方法
基于彩色空间变换法（HIS变换法） 基于主成分分析法（PCA法） 代数法 Brovey变换 • 基于高通滤波影像融合法 • 基于小波变换影像融合法
• 定义
– 是以图像为研究对象的数据融合，是指在同一 时间，将同一景物的不同波段或来自不同传感 器的两个或两个以上的图像进行处理，形成一 幅合成图像，以获取更多的关于目标信息的图 像处理过程。
16
SPOT、TM图像各波段对应的波长
SPOT
TM
17
融合处理
SPOT-5 10米 多光谱图像
SPOT-5 5m 全色图像
空间分辨率与光谱分辨率不可得兼
– 高空间分辨率图像具有低的光谱分辨率， 相应的波段数较少（例如SPOT全色波段 分辨率是10米）。
– 多光谱图像往往具有低的空间分辨率 （例如Landsat TM分辨率为30米）。
15
如何解决矛盾？ 图像融合
• 研究的内容
– 充分利用各种类型的图像资源，获得同时具有 较高光谱信息和空间分辨率的对象信息。
3
光谱增强－缨帽变换
4
MSS图像缨帽变换
1. R1特征量：称为“亮度”，在数
值上等于MSS四个波段的加权和， 反映了地物总的电磁波辐射水 平。
2. R2特征量：称为“绿色物”，在
数值上等于MSS6与MSS7的加权 和再减去MSS4与MSS5的加权和， 反映了植物的生长状况。
3. R3特征量：称为“黄色物”，是
20
基于彩色空间变换的影像融合法 － HIS变换法
1. 将多光谱图像的RGB彩色空间变换到IHS空间，
即图像由R（红）G（绿）B（蓝）表示变换成I （亮度）H（色调）S（饱和度）表示。
2. 将全色图像和多光谱图像的I进行直方图匹配，
用全色图像I’代替多光谱图像的I，即 IHS→I’HS，多光谱图像的其它两项不变。